|
|
@ -56,3 +56,22 @@
|
|
|
|
|
|
|
|
|
|
|
|
<https://cs.stanford.edu/people/karpathy/convnetjs/demo/classify2d.html>
|
|
|
|
<https://cs.stanford.edu/people/karpathy/convnetjs/demo/classify2d.html>
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
越多的神经元个数,切分的越明显
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
如1个神经元:
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
![1609318446028](assets/1609318446028.png)
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
> 目的是区分绿色和红色的点,当只有1个神经元时,可以明显看到类似一刀切。
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
如10个神经元:
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
![1609318573993](assets/1609318573993.png)
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
> 可以看到已经切分的非常明显了
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
另外:在机器学习中,如果数据是完全随机的情况,模型是无法分辨的,但神经网络可以。如下图
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
![1609318694326](assets/1609318694326.png)
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
这就是神经网络的强大之处,越多神经元区分的越明显,不过也可能存在过拟合,因为太强大了。
|